案例背景
某 SaaS 协作工具创业团队（A 轮）需对 5 家竞品做深度分析，为产品差异化方向提供决策依据。传统竞品分析流程：
| 环节 | 传统方式 | 耗时 | 痛点 |
|---|---|---|---|
| 竞品信息采集 | 手动浏览官网/文档 | 20 小时 | 信息分散 |
| 功能清单整理 | 逐个对比功能 | 16 小时 | 主观判断 |
| 定价分析 | 截图记录 | 8 小时 | 价格变动频繁 |
| 用户口碑收集 | 翻 App Store/G2 | 12 小时 | 评价数量大 |
| SWOT 分析 | 人工推导 | 8 小时 | 视角局限 |
| 策略建议 | 高管讨论 | 8 小时 | 缺数据支撑 |
| 报告撰写 | PPT/Word | 16 小时 | 格式反复 |
| 总计 | - | 88 小时（2 周） | 数据不全、主观性强 |
目标：用 AI 把全流程压缩到 3 天，产出可执行的差异化策略。
工具组合
| 工具 | 角色 | 选型理由 |
|---|---|---|
| Claude Code | 数据采集 + 结构化 | 长上下文处理大量竞品资料 |
| GPT-4 | 功能对比 + 策略推导 | 分析逻辑与商业洞察强 |
| Cursor | 数据处理脚本 | IDE 内批量处理 |
| Brave Search MCP | 竞品搜索 | 实时搜索竞品最新动态 |
| Notion MCP | 报告沉淀 | 结构化写入知识库 |
| Prompt Chaining | 流水线编排 | 串联采集-对比-分析-策略 |
3 天整体规划
| 天数 | 阶段 | 产出 |
|---|---|---|
| Day 1 | 数据采集 + 结构化 | 5 家竞品结构化数据集 |
| Day 2 | 深度分析 + 策略推导 | 功能对比 + SWOT + 15 条策略 |
| Day 3 | 报告撰写 + 策略评审 | 200 页完整报告 |
实施步骤
Day 1：数据采集与结构化
Prompt 1：让 Claude Code 做竞品数据采集框架
你是资深竞品分析师。请为以下 5 家竞品设计数据采集框架：
## 竞品清单
{competitors}（5 家协作工具）
## 采集维度
1. 公司信息（成立时间/融资/团队规模/总部）
2. 产品定位（目标用户/核心价值/差异化卖点）
3. 功能清单（按模块分组，标注有无）
4. 定价策略（套餐/价格/免费额度/企业版）
5. 用户口碑（评分/好评点/差评点）
6. 市场表现（用户量/增长率/市场份额）
7. 技术栈（前端/后端/部署方式）
8. 生态（集成/API/插件市场）
## 输出
1. 统一的数据采集模板（JSON Schema）
2. 每个竞品的采集清单
3. 数据来源标注（官网/文档/评测/财报）
Prompt 2：用 Brave Search MCP 搜索竞品最新动态
搜索以下竞品的最新动态（近 3 个月）：
1. {competitor_1} 新功能发布
2. {competitor_2} 融资新闻
3. {competitor_3} 用户评价
...
整理成时间线表格。
Prompt 3：让 GPT-4 结构化整理采集数据
请把以下竞品非结构化数据整理为统一 JSON：
## 原始数据
{raw_data}（官网截图/文档/新闻）
## 输出格式
{
"company": {
"name": "",
"founded": "",
"funding": "",
"team_size": "",
"headquarters": ""
},
"product": {
"target_user": [],
"core_value": "",
"differentiators": []
},
"features": {
"core": [],
"advanced": [],
"missing": []
},
"pricing": {
"plans": [],
"free_tier": "",
"enterprise": ""
},
"reviews": {
"rating": 0,
"pros": [],
"cons": []
}
}
产出：5 家竞品的结构化 JSON 数据集。
Day 2：深度分析与策略推导
Prompt 4：功能对比矩阵（Prompt Chaining 核心）
你是竞品分析专家。请基于以下 5 家竞品的功能数据，生成对比矩阵：
## 数据
{structured_data}
## 对比要求
1. 按功能模块分组（协作/文档/任务/集成/安全/AI）
2. 每个功能标注：✅ 有 / ❌ 无 / ⚠️ 部分
3. 标注"我们"（my_product）的位置
4. 找出"大家都有我们没有"的功能（缺口）
5. 找出"只有我们有"的功能（差异化）
6. 找出"蓝海功能"（大家都没做但用户需要）
## 输出
1. 功能对比矩阵表（大表）
2. 功能缺口清单（优先级排序）
3. 差异化优势清单
4. 蓝海机会清单
Prompt 5：SWOT 分析
请为我们产品（my_product）与 5 家竞品分别做 SWOT 分析：
## 分析要求
每个竞品的 SWOT：
- Strengths：他们的核心优势
- Weaknesses：他们的明显短板
- Opportunities：我们可利用的机会
- Threats：他们对我们的威胁
我们产品的 SWOT：
- Strengths：我们的优势
- Weaknesses：我们的短板
- Opportunities：市场机会
- Threats：竞争威胁
## 输出
6 个 SWOT 矩阵（Markdown 表格）+ 竞争态势总结。
Prompt 6：定价策略分析
分析 5 家竞品的定价策略：
## 数据
{pricing_data}
## 分析
1. 定价模式对比（按人/按量/混合）
2. 价格区间分析（入门/中端/企业）
3. 免费策略对比（免费额度/试用/免费版功能）
4. 价格弹性推测（哪些功能值钱）
5. 我们的定价建议（3 个方案）
## 输出
定价对比表 + 我们的建议方案（含依据）。
Prompt 7：用户口碑分析
分析 5 家竞品的用户口碑：
## 数据来源
- App Store 评分与评论
- G2/Capterra 评测
- Reddit/知乎讨论
- Twitter 投诉
## 分析
1. 各竞品评分对比（NPS 推测）
2. 高频好评点（Top 5）
3. 高频差评点（Top 5）
4. 用户流失原因推测
5. 我们可借鉴的优点
6. 我们可攻击的痛点
## 输出
口碑对比表 + 可利用的竞争切入点。
Prompt 8：策略推导（最关键）
你是产品战略顾问。基于以下分析，推导 15 条可执行的差异化策略：
## 输入
- 功能对比矩阵：{feature_matrix}
- SWOT 分析：{swot}
- 定价分析：{pricing}
- 口碑分析：{reviews}
## 策略要求
每条策略按以下格式：
1. 策略名称（简洁有力）
2. 策略类型（功能差异化/定价差异化/服务差异化/定位差异化）
3. 依据（关联到具体分析数据）
4. 具体动作（3-5 个执行步骤）
5. 预期收益（量化）
6. 实施难度（低/中/高）
7. 时间线（1/3/6 个月）
8. 风险与应对
## 分类
- P0 立即执行（5 条）
- P1 本季度（5 条）
- P2 下季度（5 条）
## 输出
15 条策略的结构化表格。
产出：功能矩阵 + 6 个 SWOT + 定价建议 + 口碑分析 + 15 条策略。
Day 3：报告撰写
Prompt 9：让 GPT-4 撰写完整报告
你是竞品分析报告撰写专家。请基于以下素材撰写完整报告：
## 素材
- 结构化数据：{structured_data}
- 功能矩阵：{feature_matrix}
- SWOT 分析：{swot}
- 定价分析：{pricing}
- 口碑分析：{reviews}
- 15 条策略：{strategies}
## 报告结构
1. 执行摘要（500 字，给决策层）
2. 行业概览（市场规模/趋势/竞争格局）
3. 竞品深度分析（5 家，每家含：公司/产品/功能/定价/口碑/SWOT）
4. 功能对比矩阵（大表 + 缺口分析）
5. 定价策略对比
6. 用户口碑对比
7. 竞争态势总结（我们的位置）
8. 差异化策略（15 条，按优先级）
9. 实施路线图（6 个月）
10. 风险与应对
11. 附录（数据来源/方法论）
## 写作要求
1. 每段开头一句话结论
2. 数据用表格呈现
3. 策略关联到具体分析依据
4. 避免主观判断，用数据说话
5. 报告可独立阅读，无需口头补充
Prompt 10：用 Notion MCP 沉淀
把竞品分析报告写入 Notion：
- 数据库：竞品分析
- 标题：2026-Q3 协作工具竞品分析
- 类型：竞品分析
- 日期：2026-08-09
- 状态：已完成
- 标签：SaaS、协作、竞品
- 内容：{full_report}
产出：200 页完整报告 + Notion 沉淀。
关键 Prompt 合集汇总
| Prompt | 用途 | 工具 |
|---|---|---|
| 1 | 采集框架设计 | Claude Code |
| 2 | 最新动态搜索 | Brave Search MCP |
| 3 | 数据结构化 | GPT-4 |
| 4 | 功能对比矩阵 | GPT-4 |
| 5 | SWOT 分析 | GPT-4 |
| 6 | 定价分析 | GPT-4 |
| 7 | 口碑分析 | GPT-4 |
| 8 | 策略推导 | GPT-4 |
| 9 | 报告撰写 | GPT-4 |
| 10 | Notion 沉淀 | Notion MCP |
效果数据
| 指标 | 传统流程 | AI 流水线 | 提升 |
|---|---|---|---|
| 总耗时 | 88 小时（2 周） | 24 小时（3 天） | 3.7 倍 |
| 竞品数量 | 5 家 | 5 家 | - |
| 数据维度 | 6 个 | 8 个 | +33% |
| 功能对比项 | 45 个 | 72 个 | +60% |
| 用户评论分析 | 约 200 条 | 约 1500 条 | +650% |
| 策略建议 | 8 条 | 15 条 | +88% |
| 报告页数 | 80 页 | 200 页 | +150% |
| 数据可溯源 | ❌ | ✅（每条标注来源） | 质变 |
| 策略有依据 | ⚠️（部分） | ✅（每条关联数据） | 质变 |
| 成本 | 2 周人力 | API 约 $20 | - |
关键发现
- 竞品 A 的"免费版功能阉割"是最大差评点：1500 条评论中 320 条抱怨，这是我们抢用户的切入点。
- 5 家竞品都缺"AI 辅助"功能：蓝海机会，我们率先推出可形成差异化。
- 竞品 B 的企业版定价过高：其 $35/用户/月 vs 行业平均 $20，我们可定价 $25 抢中层市场。
- 竞品 C 的移动端体验是短板：App Store 评分 3.2 vs 平均 4.1，我们强化移动端可获优势。
经验总结
成功要点
- 结构化采集先行：先设计统一 JSON Schema，再采集数据，保证可比性。
- 功能对比用矩阵：表格比文字更清晰，缺口与差异化一目了然。
- 策略必须有依据：每条策略关联到具体数据，避免"拍脑袋"。
- 用户口碑是金矿：AI 能处理 1500 条评论找出共性，人工只能看 200 条。
- Brave Search MCP 补实时性：竞品动态变化快，用搜索 MCP 获取最新信息。
踩过的坑
- 数据过时：Claude Code 训练数据有截止日期，需用 Brave Search MCP 补最新信息。
- 功能判断主观：AI 偶尔会误判功能有无，需人工抽查官网验证。
- 定价信息变动：竞品官网定价可能随时调整，需标注采集日期。
- SWOT 过于模板化：AI 初版 SWOT 像填空，需 Prompt 强调"具体到数据"。
- 策略太虚：AI 建议"加强差异化"太笼统，需强制"具体到功能点 + 量化收益"。
- 报告数据堆砌：AI 倾向罗列数据，需强调"每段开头一句话结论"。
- 竞品定位误判：AI 可能不了解细分市场定位，需人工补充行业背景。
不可 AI 化的环节
- 竞品真实策略判断：AI 能分析已公开信息，但竞品的未公开策略需行业经验判断
- 差异化方向决策：AI 能给建议，但"做不做"是商业决策
- 用户访谈验证：报告需配合真实用户访谈验证
- 执行可行性评估：策略是否可执行需结合团队能力评估
复用建议
这套方案可迁移到：
- ToC 产品竞品分析：调整维度为"用户体验/留存/变现"
- ToB 产品竞品分析：增加"销售模式/客户案例/合同条款"
- 新技术赛道分析：从竞品扩展到"替代方案/潜在进入者"
- 投资尽调：增加"财务数据/团队背景/知识产权"
- 市场进入策略：聚焦"本土竞品/监管要求/渠道"
核心是Prompt Chaining 串联采集-对比-分析-策略，每个环节独立可调试。
工具版本
- Claude Code：v1.0.20+
- GPT-4：gpt-4o
- Cursor：v0.40+
- Brave Search MCP：最新版
- Notion MCP：最新版
- 3 天 API 总成本：约 $20（Claude $12 + GPT-4 $8）